Die Schema-Eigenschaft sameAs: Wie Entitäten-Disambiguierung KI-Zitierungen antreibt

TL;DR

• Die schema.org-Eigenschaft sameAs verknüpft Ihre Entität mit autoritativen externen Profilen, damit KI-Engines die Identität bestätigen können; laut Googles Web-Index läuft sie auf über 10 Mio.
• Domains.
• Die Entitätsauflösung kommt vor dem Retrieval: Marken, die daran scheitern, fallen vor dem Passage Scoring heraus.
• In unserer Studie vom Mai 2026 mit 153.425 Zitierungen lagen 76,95% der zitierten URLs außerhalb der organischen Top 10, Entität schlägt also Ranking.
• Priorität für Organization-sameAs: Wikidata (direkte Einspeisung in den Knowledge Graph, Q-Nummer als Identifier), Wikipedia, LinkedIn (2.267 Zitierungen in 988 Suchanfragen in derselben Studie), Crunchbase, GitHub.
• Drei Eigenschaften müssen über jedes Profil hinweg übereinstimmen: Name, kanonische URL und Beschreibung.
• Ein defekter sameAs-Link ist schlechter als gar kein Link.
• Validieren Sie mit dem Schema Markup Validator und führen Sie direkte KI-Prompt-Tests nach 30, 60 und 90 Tagen durch.

Die sameAs-Eigenschaft in schema.org ist ein URL-Feld, das KI-Engines und Such-Crawlern sagt: Diese Seite und jenes externe Profil beschreiben dieselbe Entität. Sie ist der zentrale Mechanismus für die Entitäten-Disambiguierung in strukturierten Daten, und sie entscheidet darüber, ob eine KI-Engine Ihre Marke sicher zitiert oder Sie übergeht, weil sie Sie nicht von drei anderen Unternehmen mit ähnlichem Namen unterscheiden kann.

Warum KI-Engines eine explizite Disambiguierung brauchen

Jede KI-Engine baut einen internen Entitätengraphen auf: eine Karte darüber, welche benannten Dinge in ihren Trainingsdaten und in ihrem Live-Retrieval-Index auf dieselbe reale Entität verweisen. Fragt jemand nach einer Produktkategorie, gleicht die Engine jede Marke, die sie erwähnen könnte, gegen diesen Graphen ab, bevor sie überhaupt Inhalte abruft. Marken, die sich nicht zweifelsfrei auflösen lassen, fallen schon vor dem Retrieval-Durchlauf heraus, unabhängig davon, wie gut ihre Seiten ranken oder wie viele Inhalte sie veröffentlichen.

Besonders hart trifft das Marken mit Allerweltsnamen (Apex, Pivot, Nova), Namen, die sich mit einem Film oder einer Band überschneiden, und Personenmarken-Beratungen, die ihren Namen mit anderen Fachleuten teilen. Im Grundsatz gilt es aber für jede Marke. Unsere Studie vom Mai 2026 zu 153.425 KI-Zitierungen ergab, dass 76,95% der zitierten URLs nicht in den organischen Top 10 ihrer Suchanfrage standen. Die Entitätserkennung entscheidet über die Zitierfähigkeit, bevor Rankings überhaupt eine Rolle spielen. Eine Marke, die an der Entitätsauflösung scheitert, fällt vollständig aus diesem Pool heraus.

Starkes sameAs-Markup verschiebt Ihre Marke im Konfidenzmodell der Engine von „wahrscheinlich dieses Unternehmen“ zu „eindeutig dieses Unternehmen“. Es verknüpft dafür Ihre Website-Entität mit Profilen auf Quellen, denen die Engine bereits vertraut: Wikidata, LinkedIn, Crunchbase, GitHub. Jeder Link ist eine Merge-Anweisung: Führe dieses Profil und meine Website zu einem bestätigten Entitätsknoten zusammen. Je autoritativer die Quelle, desto stärker das Merge-Signal.

Was schema.org/sameAs tatsächlich leistet

Die schema.org-Spezifikation definiert sameAs so: „URL einer Referenz-Webseite, die die Identität des Objekts eindeutig angibt. Zum Beispiel die URL der Wikipedia-Seite des Objekts, des Wikidata-Eintrags oder der offiziellen Website.“ Es ist eine Eigenschaft des Typs Thing und gilt damit für Organizations, Persons, Places, Products und jeden anderen schema.org-Entitätstyp. Eingesetzt wird sie auf Millionen von Domains im gesamten Web.

In der Praxis setzen Sie sameAs innerhalb eines JSON-LD-Blocks vom Typ Organization oder Person als Array von URLs ein. Jede URL zeigt auf das Profil der Entität auf einer autoritativen externen Website. Der Retrieval-Bot der KI-Engine folgt diesen URLs, prüft, ob das Profil dieselbe Entität beschreibt wie Ihre kanonische Domain, und nutzt diese Bestätigung, um Zitierungen korrekt zuzuordnen. Google führt Datensätze im Knowledge Graph über denselben Mechanismus zusammen.

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Your Brand Name",
  "url": "https://yourdomain.com",
  "description": "One sentence matching your Wikidata description exactly.",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q[your-Q-number]",
    "https://www.linkedin.com/company/your-brand",
    "https://www.crunchbase.com/organization/your-brand",
    "https://github.com/your-brand"
  ]
}

Welche Profile Sie verlinken sollten und warum

Nicht alle sameAs-Ziele haben für die Entitätsauflösung dasselbe Gewicht. Aus unserer Arbeit an der Entitätenoptimierung für Marken über verschiedene Kundenkonten hinweg ergibt sich diese Prioritätsreihenfolge für Organization-Entitäten:

Profil	Gewicht	Zentrale Anforderung
Wikidata	Am höchsten: direkte Einspeisung in den Google Knowledge Graph; die Q-Nummer dient als Entitäts-Identifier	Das Label muss exakt dem Namen im Organization-Schema entsprechen; Property für die offizielle Website gesetzt
Wikipedia	Sehr hoch, sofern vorhanden; KI-Trainingskorpora gewichten Wikipedia stark	Die Relevanzkriterien müssen erfüllt sein; die meisten B2B-Marken starten besser mit Wikidata
LinkedIn-Unternehmensseite	Hoch; in unserer Studie vom Mai 2026 tauchte LinkedIn 2.267 Mal in 988 Suchanfragen auf	Unternehmensname, Gründungsjahr und URL passend zu Ihrem Schema; Beschreibung konsistent mit Wikidata
Crunchbase	Hoch; strukturierte Unternehmensdatenquelle, die Google zur Entitätsanreicherung crawlt	Vollständige Finanzierungs- und Gründerdaten; kanonische URL passend zur Domain
GitHub-Organisation	Mittel; entscheidend für SaaS-Marken und technische Marken	Organisationskonto mit Bio, die die kanonische URL enthält
Offizielle Social-Profile	Niedriger; nützlich als Redundanz	Nur aktive Profile; die Bio muss exakt dem Namen im Schema entsprechen

Die Daten aus unserer Zitierungsstudie vom Mai 2026 (153.425 Zitierungen, 6 KI-Plattformen) zeigen Wikipedia 1.483 Mal zitiert. Diese Häufigkeit geht teilweise auf Wikipedias eigene Inhaltsqualität zurück, sie spiegelt aber auch wider, dass KI-Engines Wikipedia als Entitätsquelle mit hoher Konfidenz behandeln, wenn sie zur Abfragezeit Markenidentitäten auflösen.

sameAs für Person-Entitäten: Autoren-Disambiguierung

sameAs gilt für Autoren-Entitäten genauso wie für Marken-Entitäten. Ein Berater mit einem häufigen Namen braucht Person-Schema mit sameAs-Links zu LinkedIn, ORCID (für Autoren aus Wissenschaft oder Medizin), Wikidata (falls ein Eintrag existiert) und Twitter/X. Der Leitfaden zur Autoren-Entität beschreibt die vollständige Umsetzung. Der Mechanismus entspricht dem für Organisationen: Jede sameAs-URL ist ein Bestätigungspunkt, den die Engine prüft, um die Identität zu bestätigen, bevor sie Zitierungen den Inhalten dieses Autors zuordnet.

Unsere Zitierungsstudie vom Mai 2026 zeigt: Seiten mit namentlich genannten, per Schema zugeordneten Autoren, deren Entitätsdatensätze sich auflösen lassen, schneiden im KI-Retrieval besser ab als Seiten mit generischen Verfasserzeilen. Die Entitätsauflösung für Autoren ist nicht getrennt von der für Marken: Die Person-Entität verweist über die Eigenschaft worksFor auf die Organization-Entität, und die Organization-Entität verweist über die Eigenschaft founder auf die Gründer oder Schlüsselpersonen. Beide Ebenen müssen vorhanden sein und aufeinander verweisen, damit der Entitätengraph vollständig verbunden ist.

Die Verbindung zum Knowledge Graph

Googles Knowledge Graph enthält über 500 Milliarden Fakten zu fünf Milliarden Entitäten, gespeist aus Hunderten von Webquellen und offenen Datenbanken. Wenn Ihr Website-Schema, Ihr Wikidata-Item, Ihre LinkedIn-Seite und Ihr Crunchbase-Profil denselben kanonischen Namen und dieselbe URL angeben, führt Google sie zu einem einzigen, verstärkten Entitätsknoten zusammen. Widersprechen sie sich auch nur in Kleinigkeiten, etwa „Inc.“ gegenüber „Inc“ oder ein abschließender Schrägstrich gegenüber keinem, senkt die Engine ihre Konfidenz und konsolidiert den Datensatz womöglich nie vollständig.

Der Leitfaden zur Entitätsautorität im Knowledge Graph beschreibt die vollständige Entitätsarchitektur. Die sameAs-Eigenschaft ist die Merge-Anweisung: Sie sagt der Engine, welche externen Profile in die Zusammenführung gehören. Die Entität selbst entsteht durch die Konsistenz der Fakten über diese Profile hinweg. Drei Eigenschaften müssen überall identisch sein: Name, kanonische URL und Beschreibung. Jede weitere Eigenschaft erhöht die Signalstärke, aber eine Abweichung bei diesen dreien blockiert die Zusammenführung.

Der Wikidata-Entitätsleitfaden behandelt das Anlegen und Pflegen Ihres Q-Nummer-Eintrags. Wikidata ist das sameAs-Ziel mit der größten Wirkung, weil es direkt in Googles Knowledge Graph einspeist: Ein Wikidata-Eintrag mit gesetzter Property für die offizielle Website und konsistentem Label ist der schnellste Weg zu einem bestätigten Entitätsknoten.

Häufige sameAs-Fehler, die die Entitätserkennung zerstören

Sechs Fehler, die in Entitäts-SEO-Audits immer wieder auftauchen:

• Tote oder weitergeleitete sameAs-URLs. Ein Link auf ein gelöschtes oder weitergeleitetes Profil signalisiert eine Entität, die einmal auflösbar war und es nicht mehr ist. Das ist schlechter als gar kein sameAs-Link. Prüfen Sie alle sameAs-Ziele quartalsweise; LinkedIn ändert gelegentlich das Format seiner Profil-URLs.
• Abweichende Namensstrings. „Acme Corp“ im Schema, „Acme Corp.“ auf LinkedIn und „ACME“ auf Wikidata sind aus Sicht des Knowledge Graph drei verschiedene Entitätsknoten. Legen Sie einen kanonischen Namensstring fest und setzen Sie ihn überall durch.
• HTTP statt HTTPS. Gemischte Protokolle brechen das Entitäts-Matching in manchen Parsern. Verwenden Sie im sameAs-Array immer kanonische HTTPS-URLs.
• sameAs nur auf der Startseite. Das Organization-Schema mit sameAs gehört auf jede Seite, die eine Organization- oder Person-Referenz ausgibt, einschließlich Autorenzeilen unter Blogbeiträgen. Wer es nur auf der Startseite einbindet, lässt den Großteil seiner Inhalte ohne Nutzen aus der Entitätsauflösung.
• Persönliches Gründerprofil im Organization-Block. Das private LinkedIn-Profil des Gründers gehört nicht in das sameAs-Array der Organization. Nutzen Sie einen eigenen Person-Block, verknüpft über die Eigenschaft founder.
• Nicht beanspruchte Profile. Ein unbestätigtes oder nicht beanspruchtes Wikidata- oder Crunchbase-Profil trägt ein schwächeres Signal als ein beanspruchtes und gepflegtes. Investieren Sie die eine Stunde und beanspruchen Sie jedes Ziel, das Sie in das sameAs-Array aufnehmen.

Wie sameAs in den gesamten Entitäts-Stack passt

sameAs ist eine Ebene in einer gestapelten Architektur von Entitätssignalen. Die Organization-Entität verankert Ihre Marke im Graphen. Die Person-Entität bindet namentlich genannte Autoren an diese Organisation. Schema-Markup vom Typ Article auf jedem Beitrag ordnet den Inhalt der Person zu. Alle drei müssen vorhanden sein und aufeinander verweisen, damit KI-Zitierungen konstant statt gelegentlich erfolgen.

Lokale Unternehmen profitieren vom selben Vorgehen mit einer zusätzlichen Ebene: der Verknüpfung des Google Business Profile als sameAs-Ziel. KI-Suche und Google Maps laufen beide auf Entitätserkennung hinaus. Wer die Disambiguierung einmal über konsistentes Schema und saubere sameAs-Angaben löst, bedient beide Kanäle.

Für Unternehmen mit mehreren Marken gilt: eine Organization-Entität pro rechtlich eigenständiger Marke mit eigenem sameAs-Cluster, alle verbunden über die Eigenschaften parentOrganization oder subOrganization. Wer die Entitätshierarchie überspringt, erzeugt Verwechslungen bei Zitierungen über Marken hinweg: KI-Engines schreiben dann Leistungen der Muttergesellschaft einer Tochtermarke zu oder umgekehrt.

Ihre sameAs-Implementierung validieren und testen

Die Validierung hat zwei Ebenen: strukturell und verhaltensbezogen. Führen Sie nach dem Deployment beide durch.

1. Schema Markup Validator (validator.schema.org): bestätigt, dass Ihr JSON-LD gültig ist und alle sameAs-URLs ohne Weiterleitungen oder Fehler auflösen. Ein einziger JSON-Syntaxfehler macht den gesamten Block ungültig, ohne dass auf der Seite ein Fehler sichtbar wird.
2. Google Rich Results Test: prüft, ob Googles Parser Ihre strukturierten Daten akzeptiert. Nach jeder Schema-Änderung ausführen.
3. Wikidata Query Service: bestätigen Sie, dass Ihre Q-Nummer korrekt auflöst und die Property für die offizielle Website auf Ihre kanonische Domain zeigt.
4. Direkte Prompt-Tests mit KI: Stellen Sie ChatGPT, Perplexity, Claude und Gemini direkte Fragen zu Ihrer Marke. Achten Sie auf korrekte Zuordnung, zutreffende Beschreibungen und Links zu Ihren eigenen Profilen. Im ersten Monat nach dem Deployment wöchentlich, danach monatlich. Mit unserem Open Source GEO/AEO Tracker automatisieren Sie das über alle sechs Plattformen.
5. sameAs-URL-Audit: Prüfen Sie programmatisch, ob jede URL in Ihrem sameAs-Array HTTP 200 ohne Weiterleitungskette zurückgibt. Ein defekter sameAs-Link ist schlechter als gar kein Link. Automatisieren Sie diese Prüfung quartalsweise.

Legen Sie nach dem Deployment einen Prüfplan nach 30, 60 und 90 Tagen fest. Nach 30 Tagen bestätigen Sie, dass das Schema sauber geparst wird und alle externen Profile auflösen. Nach 60 Tagen führen Sie direkte Prompt-Tests mit KI durch und protokollieren die Genauigkeit der Zuordnung. Nach 90 Tagen vergleichen Sie die Zitierrate Ihrer Marke mit dem Ausgangswert vor dem Deployment, mit der GEO-Audit-Checkliste als Rahmen. Liegt der Zuwachs auf mindestens zwei Plattformen unter 15%, prüfen Sie zuerst Ihre sameAs-Ziele auf Autoritäts- und Reziprozitätsprobleme und danach die Namenskonsistenz über alle Profile hinweg.

Die Entitätsauflösung ermöglicht das Content-Retrieval. Das Content-Retrieval erzeugt Zitierungen. Zitierungen in externen Quellen, die selbst bestätigte Knoten im Knowledge Graph sind, fließen als bestätigende Nennungen in den Graphen zurück. Marken, die früh einen bestätigten Entitätsdatensatz aufbauen, verstärken diesen Kreislauf schneller als Nachzügler. Der Leitfaden zu FAQ- und HowTo-Schema und der Leitfaden zum Review-Schema behandeln das Schema auf Content-Ebene, das auf dem Entitätsfundament aufbaut, das sameAs schafft.